Szitakötőszárnyak elemzése

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Szitakötőszárnyak elemzése"

Átírás

1 Szitakötőszárnyak elemzése Szeghalmy Szilvia 1, Szalay Petra Éva 2, Dévai György 2, Fazekas Attila 1, Kis Olga 2, Szabó László József 2, Miskolczi Margit 2 1 Informatikai Kar, Debrecen, 2 Hidrobiológiai Tanszék, Debrecen, Absztrakt. Az ökológiai vizsgálatok során fontos információ, hogy egy adott területen élő egyed milyen alfajhoz tartozik. A Kárpát-medence sokféle élőlény esetében tölti be egyfajta genetikai olvasztótégely szerepét, ezért a szitakötőkkel kapcsolatosan is joggal merülhet fel az a kérdés, hogy a hazánkban előforduló sávos szitakötő (Calopteryx splendens) mely alfaja/alfajai vannak jelen.[1][8]. A kutatás végső célja olyan külső jegyek azonosítása, melyek alapján DNS vizsgálat nélkül is lehetségessé válik a példányok alfajának azonosítása, jelen cikk témája azonban csak bizonyos jellemzők automatikus kinyerésének módja. 1. Bevezetés Az elemzéseknél és a program jelenlegi verziójának tesztelésénél felhasznált szitakötők különböző, magyarországi helyszínekről származnak. A Konyári-Kálló környékéről gyűjtött egyedek populációs mintának számítanak, míg az egyéb helyeken történt gyűjtésnél határozott cél volt, hogy minél változatosabb egyedek kerüljenek be a hálóba. A digitalizálás során a dögök szárnyai leválasztásra kerülnek, majd egy erre a célra kialakított állványon fotó készül a szitakötők jobb oldali szárnyairól. A felvétel készítése során állandó elrendezést használtunk (lásd 1. ábra) és a szárnyakat alulról világítottuk meg, ezzel segítve az érhálózat előtűnését. A felbontású CCD képek a rendelkezésre álló Fujifilm Finepix S2950-es fényképezőgéppel készültek jpg formátumban (az eszköz a RAW formátumot nem támogatja). A feldolgozás előtt a képeket szürkeskálássá konvertáltuk. 1. ábra: Egy felnőtt Calopteryx splendens példányról készült felvétel kicsinyített mása. Felül a gyűjtés helyére, idejére utaló címke, alatta a példány jobb felső és jobb alsó szárnya. 542

2 2. Alapvető jellemzők Ebben a fejezetben ismertetjük a szárnyak, illetve a szárnyfolt kiemelését, a szárnybütyök, szárnytőpont detektálását. Utóbbi két jellemző kiemelt szerepet játszik a szárnyak feldolgozása és elemzése során is, ugyanis minden szitakötőszárnyon megtalálható, stabilan detektálható pontokról van szó, ezért a mérések során referenciapontként szolgálhatnak, így a szitakötő populációk szárnyainak morfológiai elemzésénél is megjelennek [3][5][7] Szárny maszkjának előállítása Köszönhetően a felvételi viszonyok állandóságának, a szárnyak pontjainak meghatározása egészen egyszerű feladat. Sobel operátor segítségével kiemeljük az éleket, majd küszöbölést hajtunk végre konstans (128-as) határral. A küszöb alatti értékeket előtérnek, a többi pontot háttérpontnak tekintjük. Ez a két lépés megfelelően kiadja a szárnyak körvonalát, ahogy az a 2. ábrán is látható. Lyukfeltöltés után a két legnagyobb területű, a kép szélével nem érintkező komponens alkotja a szárnyak maszkját. (3. ábra) 2.2. Szárnybütyök és szárnytő A továbbiakban u(x) és l(x) a szárny felső, illetve alsó kontúrpontjának x-hez tartozó y koordinátáját jelöli, W pedig a szárny befoglaló téglalapjának szélességét. 2. ábra: A felső szárny élkeresés és vágás után. A képen található jelölések: B a felső szárnytőpont, N a szárnybütyök(node), u a szárny felső kontúrja, l a szárny alsó kontúrja, W szárny befoglaló téglalapjának szélessége. A szárnytőpont a törzs és a szárny csatlakozásánál lévő rész legkeskenyebb pontja. Ez nem feltétlenül egyezik meg a szárny első harmadában talált legkeskenyebb résszel, ugyanis a szárny törzstől való leválasztásánál különböző méretű és formájú rész maradhat a szárny végén. A felső szárnytőpont (B) a minimális x koordinátával rendelkező pont, azon P(x,y) pontok közül, melyre teljesülnek az alábbi feltételek: 1. y = u(x), 2. u(x) lokális maximum (képi koordinátarendszert tekintve), 3. bármely 0<x<x 2 < x 3 <0.3W esetén l(x 2 )-u(x 2 ) l(x 3 )-u(x 3 ). 543

3 A szárnybütyök a szegélyér (u) közepe tájékán található homorú, bemélyedésnél helyezkedik el, melynek keresése előtt a szárnybütyöktől balra lévő pontokat ideiglenesen töröljük a maszkról. A szárnybütyök az a N(x, y) pont, melyre teljesülnek az alábbi feltételek: 1. y = u(x), W < x < 0.66W, 3. a szárny felső részére illesztett konvex buroktól mért távolsága maximális. Egy P pont és egy C konvex burok távolságán az alábbi értéket értjük:, ahol Q a konvex burok egy tetszőleges pontja Szárnyfolt 3. ábra: A felső szárny maszkja. A keresztek a felső szárnytőpontot és a szárnybütyköt jelölik. A hím szitakötők szárnya foltot tartalmaz, ami az 1. ábrán is jól megfigyelhető. Dumont és társai foglalkoznak a folt kezdetének és végének digitális meghatározásával [5], a leírás viszont kissé elnagyolt, ami lehetetlenné teszi az algoritmusok pontos, rekonstrukcióját, ezért az ott megadott helyett, az alább bemutatásra kerülő módszert használtuk a folt kiemeléséhez. A maszk alá eső pontokra háromszintű Otsu vágást alkalmaztunk [6]. Ezt az indokolja, hogy a fiatalabb egyedeknél a folt és az érhálózat, intenzitás értékeit tekintve, szinte teljesen elkülönül egymástól. A felső határtól világosabb képpontokat háttérnek tekintjük, a többit előtérnek, ahogy az a 4. ábrán látható. 4. ábra: Szárnyfolt és érhálózat. 544

4 Jelölje az előbb kapott eredményképet E. Az erek eltűntetése morfológiai operátorok segítségével történt. Az erózió és dilatáció szükséges száma a kép felbontásától függ, a felezett képeken ötszöri erózió, hétszeri dilatáció bizonyult megfelelőnek 3 3-as csupa 1-es struktúraelemmel. A kapott képet E-vel éselve a folt és a szárnytő pontjait kapjuk meg (5. ábra). Utóbbit méret vagy helyzet alapján is könnyedén eltüntethetjük. 5. ábra: A szárnytő egy részének (balra) és a foltnak (jobbra) a maszkja. Utolsó lépésként a kép és a maszkok elforgatásra kerülnek a szárnytőpont körül, úgy, hogy a szárnytő és a szárnybütyök y koordinátája megegyezzen. A feldolgozás után számos jellemzőt számítunk: a szárny illetve a folt befoglaló téglalapjának szélessége és magassága, folt alatti terület átlagos intenzitása, folt alatti terület, szárnybütyök és szárnytőpont távolsága, a folt minimális x koordinátájának és a szárnybütyök x koordinátájának különbsége, stb. Ezek egy része más szerzők munkáiban is előfordul. A jellemzők kiválasztásánál építettünk Sadeghi [7] és Adamović, Ž..R., Vijatov [1] korábbi műveire. 3. Érhálózat keresése A szitakötő szárnyának felépítése jellegzetes mintázatot alkot. A teljes érhálózata rendkívül változatos, azonban a szárnytőtől hosszanti irányban végigfutó erek, illetve ezekből kiinduló, szintén hosszanti irányba futó erek számra és formára nagy hasonlóságot mutatnak (6. ábra.) Sadeghi és társai 2009-ben közölt cikke azonban rávilágított arra, hogy az erek végpontjai a populációk jellemzésében is szerepet játszhatnak. [7] 6. ábra: Több szitakötő szárnyának hosszanti erei egy képre másolva. Fentről lefelé rendre: szegély alatti ér, sugárerek, középér, hónaljtőér, tőér. (Utóbbi detektálásával egyelőre nem foglalkoztunk.) 545

5 A fiatal egyedeknél az érhálózat intenzitása elüt a folt és a szárny többi része intenzitásától, ezért az erek tisztán kiemelhetőek. A példányok korosodásával azonban a folt sötétedése miatt a folt és ér intenzitásainak tartománya egyre inkább átfedésbe kerül egymással, így a különféle élkeresők (Sobel, Canny, LoG, Kirsch [9]), adaptív vágások rendkívül zajos eredményt adnak a folt alatti részen, ami a folt szélén jelentkező átmenetnél tovább fokozódik. Az erek lefutásának hasonlósága miatt ésszerűnek tűnt, hogy egy modell érhálózatot igazítsunk a képre. Az aktív kontúrok, ill. hasonló jellegű megoldások használatát a sűrű érhálózat és a folton belüli viszonylag egységes mintázat miatt kizártuk A modell A modell alapja egy kézzel bejelölt érhálózat egy már előkészített képen (forgatás után). A modell tartalmazza a felső szárnytőpont és a szárnybütyök koordinátáit, az alsó és felső kontúrpontok koordinátáit, valamint a keresett hosszanti erek pontjait. Ezen pontok a felső és alsó kontúrtól mért távolságuk arányával vannak megadva A modell transzformálása Az előkészített képeken az érhálózat keresése erenként történik. Ennek első lépése a modell pontjainak transzformálása az aktuális képnek megfelelően. Egy (x, y) modellpont képe a következő lesz: ahol a modellpontok eltolása,, pedig a modell átméretezéséhez alkalmazott paraméterek. B x, N x, H, W az aktuális szárny, B x0 N x0, H 0, W 0 a modellszárny szárnytőpontja, szárnybütyökpontja és szárnyat tartalmazó befoglaló téglalap magassága és szélessége. Amennyiben két eredetileg szomszédos pont képei nem szomszédosak, a keletkezett hézagot lineáris interpolációval pótoljuk Szögtérkép Legyen A egy, az előkészített képpel azonos méretű mátrix, L a keresett élnek megfelelő ér a transzformált modellben és Q az él egy tetszőleges pontja. Az ér P pontjához hozzárendeljük a r. megelőző pontját és r. rákövetkező pontját összekötő szakasz x tengellyel bezárt szögét (-90 < (P) < 90 ). 546

6 A szögtérkép előállítása: A d paraméter értéke szabályozza, hogy a modell vonaltól milyen távolságra lévő pontokat tekintünk még lehetséges érpontnak Gráf felépítése A gráf felépítése mintavételezéssel, rétegesen történik. Minden csúcs kizárólag a rákövetkező rétegbe tartozó csúccsal lehet kapcsolatban. A gráf első rétegét a szárny külső kontúrjának pontjai közül azok adják, ahol a szögtérkép azonos koordinátáján érvényes, vagyis végtelentől eltérő érték áll. A további rétegek felépítéséhez meghatározzuk a szögtérkép érvényes pontjainak modellvonal alá, ill. modellvonal fölé eső kontúrját, előbbi esetén leszámítva azon részeket, ahol a kontúr és a szárny körvonala egybeesik. A kapott kontúrokból balról jobbra haladva azonos számú pontot választunk ki. (A kiválasztást érdemes úgy megtenni, hogy az egymás melletti pontok távolsága nagyjából megfeleljen a szögek számítása során használt távolságnak.) Az alsó és felső kontúron kijelölt i. pontokat összekötő szakasz pontjai kerülhetnek be a gráf (i+1). rétegébe. (7. ábra.) Arról, hogy egy pont végül valóban bekerül-e a gráfba a ponthoz tartozó hibaérték alapján döntünk. 7. ábra: Egy sugárér szögtérképe. A vonalazott részen kívül eső fehér terület az érvénytelen pontokat, a vonalak a gráf lehetséges pontjait jelzik. A gráf csúcspontjainak meghatározása után az élek, illetve az élek hibájának meghatározása következik. P pontból Q pontba akkor vezet él, ha a vonal hibája (I err ), illetve a szög modelltől való eltérése (P(A)) egy rögzített t e határ alatt van. ahol n a PQ digitális szakasz pontjainak száma, I egy hibatérkép Legrövidebb út keresés Az út keresése alapvetően a Dijkstra algoritmus [4] bináris kupacot használó változatával történik, az algoritmus hibaszámítását azonban kiegészítettük. Egy u-val szomszédos v csúcs szokásos hibájához, amennyiben u-nak van megelőző eleme, hozzáadódik az u-ba vezető él és az u-ból v-be vezető él szögének abszolút értékben, 547

7 vett eltérése egy előre rögzített súllyal. A keresés során a kezdőpontok halmazát a gráf első rétege jelenti. A végpontok halmaza azon pontok összessége, melyekből nem vezet él, és a modellvonal végétől mért távolságuk egy rögzített értéken belül van. 8. ábra: A program által detektált hosszanti erek egy közepesen sötét folttal rendelkező szárny esetén Iteráció Amennyiben az ér keresése nem járt sikerrel, mert nem létezik kezdőpontból végpontba vezető út, vagy hibája irreálisan nagy, akkor a lehetséges élek keresésétől ismételjük az algoritmust a t e értéket megemelve Hibatérkép A fiatalabb és az idősebb egyedeknél eltérő hibatérképet használunk. A fiatalabb egyedeknél a Bradley és társai által publikált [2] adaptív vágás segítségével az érhálózat és a szárny egyéb pontjai szinte tökéletesen elkülöníthetők. A vágás után 3 3-as maszkkal eróziót hajtunk végre, ezzel kissé kiszélesítve a helyenként csak 1 pixel széles ereket. A háttér (érhálózat) értékét nullán hagyjuk, az előtér értékeknek t e /(k+3) értéket állítunk be, ahol k a végrehajtott iterációk száma. Ezzel biztosítjuk, hogy ha nem volt út, akkor a következő lépésben nagyobb szakadásokat is áthidalhasson egy-egy él. Az idősebb egyedeknél a folton kívüli erek megtalálása azonos módon történik. A folton belül a következő képlet határozza meg a hibát:, ahol I az előkészített kép, és G 1D-s szöggel elforgatott Gauss kernel Eredmények és jövőbeli tervek A programot 179 ép felső szárnyat tartalmazó képen teszteltük. A szárnyakat, szárnytövet és szárnybütyköt minden esetben helyesen azonosította a program. Azoknál az egyedeknél, ahol az érhálózat kisebb szakadásokkal jól detektálható, a keresett erek megtalálása szinte hiba nélkül zajlik le. Az idős példányoknál azonban problémás az ér és szárnypontok elkülönítése a kép minősége, valamint a folt és ér 548

8 intenzitásának hasonlósága miatt. Amennyiben az ér detektálásánál nagyobb hézagok, és/vagy több kisebb hézag keletkezik, míg egy mellette futó ér tisztábban kivehető, akkor a módszer hajlamos az ér detektálása során a keresett érrel szomszédos érre átfutni. Terveink szerint a fiatal egyedekre kapott eredmények alapján a jelenlegi modellt statisztikai leírókkal (pont átlagos helyzete, szórás, tartomány, jellemző továbbhaladási irány, stb.) egészítjük ki. Reméljük, ezen információk felhasználásával csökkenthető az algoritmus által használt paraméterek és az előbb vázolt hibák száma. Irodalom 1. Adamović, Ž.R., Vijatov, S.T.: Morphometric examination of Calopteryx balcanica Fudakowsky, 1930 and C.splendens ancilla Selys, 1853 (Zygoptera: Calopterygidae), Odonatologica, 25(2) (1996) Bradley, D., Roth, G.: Adaptive thresholding using the integral image, Journal of Graphics Tools 12 (2) (2007), Demayo, C. G., Harun, S. A., Torres, M. A. J.: Procrustes Analysis of Wing Shape Divergence among Sibling Species of Neurothemis Dragonflies, Australian Journal of Basic and Applied Sciences, 5(6): , 2011, ISSN Dijkstra, E.: A note on two problems in connexion with graphs, Numerische Mathematik 1 (1959) Dumont, H.J., Mertens, J., De Coster, W.: The Calopteryx-splendens-cline in southwestern France, analysed by quantitative wingspot analysis (Zygoptera: Calopterygidae), Odonatologica 22(3) (1993) Ping-Sung, L. Tse-Sheng, C., Pau-Choo, C,.: A fast algorithm for multilevel thresholding, Journal of Information science and Engineering 17 (2001), Sadeghi, S., Adreaens, D., Dumont H. J,.: Wing shape variation in European Calopteryx splendens, Odonatologica 38 (4) (2009) Schmidth, E.G.: Ein dunkelflügliges Weibchen von Calopteryx splendens bei Wesel/Niederrhein mit Diskussion der östlichen ssp. ancilla (Selys, 1853), Beiträge zur Entomologie 56 (2) (2006) Sonka, M., Hlavac, V., Boyle, R.: Image processing, analysis, and machine vision, 3rd ed. Toronto, Thompson Learning,

Példák jellemzőkre: - minden pixelérték egy jellemző pl. neurális hálózat esetében csak kis képekre, nem invariáns sem a megvilágításra, sem a geom.

Példák jellemzőkre: - minden pixelérték egy jellemző pl. neurális hálózat esetében csak kis képekre, nem invariáns sem a megvilágításra, sem a geom. Lépések 1. tanító és teszt halmaz összeállítása / megszerzése 2. jellemzők kinyerése 3. tanító eljárás választása Sok vagy kevés adat áll-e rendelkezésünkre? Mennyi tanítási idő/memória áll rendelkezésre?

Részletesebben

Grafikonok automatikus elemzése

Grafikonok automatikus elemzése Grafikonok automatikus elemzése MIT BSc önálló laboratórium konzulens: Orosz György 2016.05.18. A feladat elsődleges célkitűzései o eszközök adatlapján található grafikonok feldolgozása, digitalizálása

Részletesebben

Algoritmusok bonyolultsága

Algoritmusok bonyolultsága Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,

Részletesebben

Az objektum leírására szolgálnak. Mire jók? Sokszor maga a jellemző az érdekes: Tömörítés. Objektumok csoportosítására

Az objektum leírására szolgálnak. Mire jók? Sokszor maga a jellemző az érdekes: Tömörítés. Objektumok csoportosítására Az objektum leírására szolgálnak Mire jók? Sokszor maga a jellemző az érdekes: pl.: átlagosan mekkora egy szitakötő szárnyfesztávolsága? Tömörítés pl.: ha körszerű objektumokat tartalmaz a kép, elegendő

Részletesebben

Sergyán Szabolcs szeptember 21.

Sergyán Szabolcs szeptember 21. Éldetektálás Sergyán Szabolcs Budapesti Műszaki Főiskola Neumann János Informatikai Kar 2009. szeptember 21. Sergyán Sz. (BMF NIK) Éldetektálás 2009. szeptember 21. 1 / 28 Mit nevezünk élnek? Intuitív

Részletesebben

Él: a képfüggvény hirtelen változása. Típusai. Felvételeken zajos formában jelennek meg. Lépcsős

Él: a képfüggvény hirtelen változása. Típusai. Felvételeken zajos formában jelennek meg. Lépcsős Él: a képfüggvény hirtelen változása Típusai Lépcsős Rámpaszerű Tetőszerű Vonalszerű él Felvételeken zajos formában jelennek meg Adott pontbeli x ill. y irányú változás jellemezhető egy f folytonos képfüggvény

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

3. Szűrés képtérben. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)

3. Szűrés képtérben. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 3. Szűrés képtérben Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE http://www.inf.u-szeged.hu/~kato/teaching/ 2 Kép transzformációk típusai Kép értékkészletének radiometriai információ

Részletesebben

A SÁVOS SZITAKÖT [CALOPTERYX SPLENDENS (HARRIS, 1782)] KONYÁRI- KÁLLÓI IMÁGÓPOPULÁCIÓJÁNAK MORFOMETRIAI ELEMZÉSE

A SÁVOS SZITAKÖT [CALOPTERYX SPLENDENS (HARRIS, 1782)] KONYÁRI- KÁLLÓI IMÁGÓPOPULÁCIÓJÁNAK MORFOMETRIAI ELEMZÉSE 23 Studia odonatol. hung. 17: 23 44, 2015 A SÁVOS SZITAKÖT [CALOPTERYX SPLENDENS (HARRIS, 1782)] KONYÁRI- KÁLLÓI IMÁGÓPOPULÁCIÓJÁNAK MORFOMETRIAI ELEMZÉSE S Z A L A Y P E T R A É V A + S Z E G H A L M

Részletesebben

Képszegmentáló eljárások. Orvosi képdiagnosztika 2018 ősz

Képszegmentáló eljárások. Orvosi képdiagnosztika 2018 ősz Képszegmentáló eljárások Orvosi képdiagnosztika 2018 ősz Képszegmentálás Anatómiai részek elkülönítés: pl. csontok, szív, erek, szürkefehér állomány, stb Vizsgálandó terület körbehatárolása: pl. tüdőterület

Részletesebben

Segédlet: Főfeszültségek meghatározása Mohr-féle feszültségi körök alkalmazásával

Segédlet: Főfeszültségek meghatározása Mohr-féle feszültségi körök alkalmazásával Segédlet: Főfeszültségek meghatározása Mohr-féle feszültségi körök alkalmazásával Készítette: Dr. Kossa Attila (kossa@mm.bme.hu) BME, Műszaki Mechanikai Tanszék 212. október 16. Frissítve: 215. január

Részletesebben

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás 3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás 15. Digitális Alakzatrekonstrukció Méréstechnológia, Ponthalmazok regisztrációja http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiiav54

Részletesebben

Ferde kúp ellipszis metszete

Ferde kúp ellipszis metszete Ferde kúp ellipszis metszete A ferde kúp az első képsíkon lévő vezérkörével és az M csúcsponttal van megadva. Ha a kúpból ellipszist szeretnénk metszeni, akkor a metsző síknak minden alkotót végesben kell

Részletesebben

Robotika. Kinematika. Magyar Attila

Robotika. Kinematika. Magyar Attila Robotika Kinematika Magyar Attila amagyar@almos.vein.hu Miről lesz szó? Bevezetés Merev test pozíciója és orientációja Rotáció Euler szögek Homogén transzformációk Direkt kinematika Nyílt kinematikai lánc

Részletesebben

Lényege: valamilyen szempont szerint homogén csoportok képzése a pixelekből. Amit már ismerünk:

Lényege: valamilyen szempont szerint homogén csoportok képzése a pixelekből. Amit már ismerünk: Lényege: valamilyen szempont szerint homogén csoportok képzése a pixelekből. Amit már ismerünk: Küszöbölés, vágás, sávkijelölés hátránya: az azonos csoportba sorolt pixelek nem feltétlenül alkotnak összefüggő

Részletesebben

Hadházi Dániel.

Hadházi Dániel. Hadházi Dániel hadhazi@mit.bme.hu Orvosi képdiagnosztika: Szerepe napjaink orvoslásában Képszegmentálás orvosi kontextusban Elvárások az adekvát szegmentálásokkal szemben Verifikáció és validáció lehetséges

Részletesebben

Rendszámfelismerő rendszerek

Rendszámfelismerő rendszerek Problémamegoldó szeminárium Témavezető: Pataki Péter ARH Zrt. ELTE-TTK 2013 Tartalomjegyzék 1 Bevezetés 2 Út a megoldás felé 3 Felmerült problémák 4 Alkalmazott matematika 5 További lehetőségek Motiváció

Részletesebben

Képrekonstrukció 9. előadás

Képrekonstrukció 9. előadás Képrekonstrukció 9. előadás Balázs Péter Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem hv-konvex összefüggő halmazok Mag-burok-szerű rekonstrukció: S. Brunetti, A. Del Lungo, F.

Részletesebben

Szimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)

Szimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László) Szimuláció RICHARD M. KARP és AVI WIGDERSON A Fast Parallel Algorithm for the Maximal Independent Set Problem című cikke alapján (Készítette: Domoszlai László) 1. Bevezetés A következőkben megadott algoritmus

Részletesebben

Minták automatikus osztályba sorolása a mintát leíró jellemzők alapján. Típusok: felügyelt és felügyelet nélküli tanuló eljárások

Minták automatikus osztályba sorolása a mintát leíró jellemzők alapján. Típusok: felügyelt és felügyelet nélküli tanuló eljárások Minták automatikus osztályba sorolása a mintát leíró jellemzők alapján Típusok: felügyelt és felügyelet nélküli tanuló eljárások Különbség: előbbinél szükséges egy olyan tanulóhalmaz, ahol ismert a minták

Részletesebben

3D számítógépes geometria és alakzatrekonstrukció

3D számítógépes geometria és alakzatrekonstrukció 3D számítógépes geometria és alakzatrekonstrukció 15. Digitális Alakzatrekonstrukció Méréstechnológia, Ponthalmazok regisztrációja http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01

Részletesebben

6. Éldetektálás. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)

6. Éldetektálás. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 6. Éldetektálás Kató Zoltán Képeldolgozás és Számítógépes Graika tanszék SZTE (http://www.in.u-szeged.hu/~kato/teaching/) 2 Élek A képen ott található él, ahol a kép-üggvény hirtelen változik. A kép egy

Részletesebben

Panorámakép készítése

Panorámakép készítése Panorámakép készítése Képregisztráció, 2009. Hantos Norbert Blaskovics Viktor Összefoglalás Panoráma (image stitching, planar mosaicing): átfedő képek összeillesztése Lépések: Előfeldolgozás (pl. intenzitáskorrekciók)

Részletesebben

KÉPFELDOLGOZÁS. 10. gyakorlat: Morfológiai műveletek, alakjellemzők

KÉPFELDOLGOZÁS. 10. gyakorlat: Morfológiai műveletek, alakjellemzők KÉPFELDOLGOZÁS 10. gyakorlat: Morfológiai műveletek, alakjellemzők Min-max szűrők MATLAB-ban SE = strel(alak, paraméter(ek)); szerkesztőelem generálása strel( square, w): négyzet alakú, w méretű strel(

Részletesebben

Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008

Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008 Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61 Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2015. tavasz 1. Diszkrét matematika 2.C szakirány 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu Komputeralgebra Tanszék 2015. tavasz Gráfelmélet Diszkrét

Részletesebben

Digitális jelfeldolgozás

Digitális jelfeldolgozás Digitális jelfeldolgozás Kvantálás Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék magyar.attila@virt.uni-pannon.hu 2010. szeptember 15. Áttekintés

Részletesebben

Harmadikos vizsga Név: osztály:

Harmadikos vizsga Név: osztály: . a) b) c) Számítsd ki az alábbi kifejezések pontos értékét! log 6 log log 49 4 7 d) log log 6 log 8 feladat pontszáma: p. Döntsd el az alábbi öt állítás mindegyikéről, hogy igaz vagy hamis! A pontozott

Részletesebben

Képfeldolgozás haladóknak Lovag Tamás Novák Gábor 2011

Képfeldolgozás haladóknak Lovag Tamás Novák Gábor 2011 Dokumentáció Küszöbölés A küszöbölés során végighaladunk a képen és minden egyes képpont intenzitásáról eldöntjük, hogy teljesül-e rá az a küszöbölési feltétel. A teljes képre vonatkozó küszöbölés esetében

Részletesebben

5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.

5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. 5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. Optimalis feszítőfák Egy összefüggő, irányítatlan

Részletesebben

2014. évi Bolyai János Megyei Matematikaverseny MEGOLDÁSI ÉS ÉRTÉKELÉSI ÚTMUTATÓ 11. évfolyam

2014. évi Bolyai János Megyei Matematikaverseny MEGOLDÁSI ÉS ÉRTÉKELÉSI ÚTMUTATÓ 11. évfolyam 01. évi Bolyai János Megyei Matematikaverseny A közölt megoldási utak a feladatoknak nem az egyetlen helyes megoldási módját adják meg, több eltérő megoldás is lehetséges. Az útmutatótól eltérő megoldásokat

Részletesebben

Virtuális Egér. Horváth Zsolt, Schnádenberger Gábor, Varjas Viktor. 2011. március 20.

Virtuális Egér. Horváth Zsolt, Schnádenberger Gábor, Varjas Viktor. 2011. március 20. Számítógépes Látás Projekt Virtuális Egér Horváth Zsolt, Schnádenberger Gábor, Varjas Viktor 011. március 0. Feladat kiírás: Egy olyan rendszer megvalósítása, melyben kamera értelmezi a kéz és az ujjak

Részletesebben

EÖTVÖS LORÁND SZAKKÖZÉP- ÉS SZAKISKOLA TANÍTÁST SEGÍTŐ OKTATÁSI ANYAGOK MÉRÉS TANTÁRGY

EÖTVÖS LORÁND SZAKKÖZÉP- ÉS SZAKISKOLA TANÍTÁST SEGÍTŐ OKTATÁSI ANYAGOK MÉRÉS TANTÁRGY EÖTVÖS LORÁND SZAKKÖZÉP- ÉS SZAKISKOLA TANÍTÁST SEGÍTŐ OKTATÁSI ANYAGOK MÉRÉS TANTÁRGY SÍKIDOMOK Síkidom 1 síkidom az a térelem, amelynek valamennyi pontja ugyan abban a síkban helyezkedik el. A síkidomokat

Részletesebben

Függvények Megoldások

Függvények Megoldások Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény

Részletesebben

2. ELŐADÁS. Transzformációk Egyszerű alakzatok

2. ELŐADÁS. Transzformációk Egyszerű alakzatok 2. ELŐADÁS Transzformációk Egyszerű alakzatok Eltolás A tér bármely P és P pontpárjához pontosan egy olyan eltolás létezik, amely P-t P -be viszi. Bármely eltolás tetszőleges egyenest vele párhuzamos egyenesbe

Részletesebben

Peltier-elemek vizsgálata

Peltier-elemek vizsgálata Peltier-elemek vizsgálata Mérés helyszíne: Vegyész labor Mérés időpontja: 2012.02.20. 17:00-20:00 Mérés végrehatói: Budai Csaba Sánta Botond I. Seebeck együttható közvetlen kimérése Az adott P-N átmenetre

Részletesebben

8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer

8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer 8. Előadás Megyesi László: Lineáris algebra, 51. 56., 70. 74. oldal. Gondolkodnivalók Elemi bázistranszformáció 1. Gondolkodnivaló Most ne vegyük figyelembe, hogy az elemi bázistranszformáció során ez

Részletesebben

Adatszerkezetek 2. Dr. Iványi Péter

Adatszerkezetek 2. Dr. Iványi Péter Adatszerkezetek 2. Dr. Iványi Péter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér (root) Nincsennek hurkok!!! 2 Bináris fák Azokat

Részletesebben

b) Ábrázolja ugyanabban a koordinátarendszerben a g függvényt! (2 pont) c) Oldja meg az ( x ) 2

b) Ábrázolja ugyanabban a koordinátarendszerben a g függvényt! (2 pont) c) Oldja meg az ( x ) 2 1) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) b) c) ( ) ) Határozza meg az 1. feladatban megadott, ; intervallumon

Részletesebben

Tárgy. Forgóasztal. Lézer. Kamera 3D REKONSTRUKCIÓ LÉZERES LETAPOGATÁSSAL

Tárgy. Forgóasztal. Lézer. Kamera 3D REKONSTRUKCIÓ LÉZERES LETAPOGATÁSSAL 3D REKONSTRUKCIÓ LÉZERES LETAPOGATÁSSAL. Bevezetés A lézeres letapogatás a ma elérhet legpontosabb 3D-s rekonstrukciót teszi lehet vé. Alapelve roppant egyszer : egy lézeres csíkkal megvilágítjuk a tárgyat.

Részletesebben

Számítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék

Számítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Számítógépes képelemzés 7. előadás Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Momentumok Momentum-alapú jellemzők Tömegközéppont Irányultáság 1 2 tan 2 1 2,0 1,1 0, 2 Befoglaló

Részletesebben

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20. Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom

Részletesebben

Gépi tanulás és Mintafelismerés

Gépi tanulás és Mintafelismerés Gépi tanulás és Mintafelismerés jegyzet Csató Lehel Matematika-Informatika Tanszék BabesBolyai Tudományegyetem, Kolozsvár 2007 Aug. 20 2 1. fejezet Bevezet A mesterséges intelligencia azon módszereit,

Részletesebben

Görbe- és felületmodellezés. Szplájnok Felületmodellezés

Görbe- és felületmodellezés. Szplájnok Felületmodellezés Görbe- és felületmodellezés Szplájnok Felületmodellezés Spline (szplájn) Spline: Szakaszosan, parametrikus polinomokkal leírt görbe A spline nevét arról a rugalmasan hajlítható vonalzóról kapta, melyet

Részletesebben

Szemcsehatárok geometriai jellemzése a TEM-ben. Lábár János

Szemcsehatárok geometriai jellemzése a TEM-ben. Lábár János Szemcsehatárok geometriai jellemzése a TEM-ben Lábár János Szemcsehatárok geometriai jellemzése Rácsok relatív orientációja Coincidence Site Lattice (CSL) O-lattice Határ közelítése síkkal Határsík orientációja

Részletesebben

Programozási nyelvek 2. előadás

Programozási nyelvek 2. előadás Programozási nyelvek 2. előadás Logo forgatás tétel Forgatás tétel Ha az ismétlendő rész T fok fordulatot végez és a kezdőhelyére visszatér, akkor az ismétlések által rajzolt ábrák egymás T fokkal elforgatottjai

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

7. Régió alapú szegmentálás

7. Régió alapú szegmentálás Digitális képek szegmentálása 7. Régió alapú szegmentálás Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Szegmentálási kritériumok Particionáljuk a képet az alábbi kritériumokat kielégítő régiókba

Részletesebben

Képrekonstrukció 3. előadás

Képrekonstrukció 3. előadás Képrekonstrukció 3. előadás Balázs Péter Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem Computed Tomography (CT) Elv: Röntgen-sugarak áthatolása 3D objektum 3D térfogati kép Mérések

Részletesebben

Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor

Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás.   Szénási Sándor Gráfok 2. Legrövidebb utak, feszítőfák előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor Óbudai Egyetem,Neumann János Informatikai Kar Legrövidebb utak keresése Minimális feszítőfa keresése Gráfok 2

Részletesebben

Adaptív dinamikus szegmentálás idősorok indexeléséhez

Adaptív dinamikus szegmentálás idősorok indexeléséhez Adaptív dinamikus szegmentálás idősorok indexeléséhez IPM-08irAREAE kurzus cikkfeldolgozás Balassi Márton 1 Englert Péter 1 Tömösy Péter 1 1 Eötvös Loránd Tudományegyetem Informatikai Kar 2013. november

Részletesebben

Navigáci. stervezés. Algoritmusok és alkalmazásaik. Osváth Róbert Sorbán Sámuel

Navigáci. stervezés. Algoritmusok és alkalmazásaik. Osváth Róbert Sorbán Sámuel Navigáci ció és s mozgástervez stervezés Algoritmusok és alkalmazásaik Osváth Róbert Sorbán Sámuel Feladat Adottak: pálya (C), játékos, játékos ismerethalmaza, kezdőpont, célpont. Pálya szerkezete: akadályokkal

Részletesebben

10. Koordinátageometria

10. Koordinátageometria I. Nulladik ZH-ban láttuk: 0. Koordinátageometria. Melyek azok a P x; y pontok, amelyek koordinátái kielégítik az Ábrázolja a megoldáshalmazt a koordináta-síkon! x y x 0 egyenlőtlenséget? ELTE 00. szeptember

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek megoldásához!

Részletesebben

Vérnyomásmérés, elektrokardiográfia. A testhelyzet, a légzés, a munkavégzés hatása a keringési rendszerre. A mérési adatok elemzése és értékelése

Vérnyomásmérés, elektrokardiográfia. A testhelyzet, a légzés, a munkavégzés hatása a keringési rendszerre. A mérési adatok elemzése és értékelése Vérnyomásmérés, elektrokardiográfia A testhelyzet, a légzés, a munkavégzés hatása a keringési rendszerre. A mérési adatok elemzése és értékelése Pszichológia BA gyakorlat A mérést és kiértékelést végezték:............

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 1. előadás Gráfok halmaza, gráf, ahol a csúcsok halmaza, az élek illesztkedés reláció: illesztkedik az élre, ha ( -él illesztkedik

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2016. tavasz 1. Diszkrét matematika 2. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

17. előadás: Vektorok a térben

17. előadás: Vektorok a térben 17. előadás: Vektorok a térben Szabó Szilárd A vektor fogalma A mai előadásban n 1 tetszőleges egész szám lehet, de az egyszerűség kedvéért a képletek az n = 2 esetben szerepelnek. Vektorok: rendezett

Részletesebben

Az értékelés a következők szerint történik: 0-4 elégtelen 5-6 elégséges 7 közepes 8 jó 9-10 jeles. A szóbeli vizsga várható időpontja

Az értékelés a következők szerint történik: 0-4 elégtelen 5-6 elégséges 7 közepes 8 jó 9-10 jeles. A szóbeli vizsga várható időpontja 2016/17 I. félév MATEMATIKA szóbeli vizsga 1 A szóbeli vizsga kötelező eleme a félév teljesítésének, tehát azok a diákok is vizsgáznak, akik a többi számonkérést teljesítették. A szóbeli vizsgán az alább

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

Mechatronika segédlet 3. gyakorlat

Mechatronika segédlet 3. gyakorlat Mechatronika segédlet 3. gyakorlat 2017. február 20. Tartalom Vadai Gergely, Faragó Dénes Feladatleírás... 2 Fogaskerék... 2 Nézetváltás 3D modellezéshez... 2 Könnyítés megvalósítása... 2 A fogaskerék

Részletesebben

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Készítette: Laczik Sándor János Gráfelmélet I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Definíció: a G=(V,E) párt egyszerű gráfnak nevezzük, (V elemeit a gráf csúcsainak/pontjainak,e elemeit

Részletesebben

Diszkrét matematika 1. estis képzés

Diszkrét matematika 1. estis képzés Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA

26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA 26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA Az előző két fejezetben tárgyalt feladat általánosításaként a gráfban található összes csúcspárra szeretnénk meghatározni a legkisebb költségű utat. A probléma

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. ősz 1. Diszkrét matematika 2.C szakirány 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.

Részletesebben

Algoritmuselmélet. 2-3 fák. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 8.

Algoritmuselmélet. 2-3 fák. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 8. Algoritmuselmélet 2-3 fák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 8. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet 8. előadás

Részletesebben

Fiók ferde betolása. A hűtőszekrényünk ajtajának és kihúzott fiókjának érintkezése ihlette az alábbi feladatot. Ehhez tekintsük az 1. ábrát!

Fiók ferde betolása. A hűtőszekrényünk ajtajának és kihúzott fiókjának érintkezése ihlette az alábbi feladatot. Ehhez tekintsük az 1. ábrát! 1 Fiók ferde betolása A hűtőszekrényünk ajtajának és kihúzott fiókjának érintkezése ihlette az alábbi feladatot. Ehhez tekintsük az 1. ábrát! 1. ábra Itt azt látjuk, hogy egy a x b méretű kis kék téglalapot

Részletesebben

Vektorgeometria (1) First Prev Next Last Go Back Full Screen Close Quit

Vektorgeometria (1) First Prev Next Last Go Back Full Screen Close Quit Vektorgeometria (1) First Prev Next Last Go Back Full Screen Close Quit 1. A térbeli irányított szakaszokat vektoroknak hívjuk. Két vektort egyenlőnek tekintünk, ha párhuzamos eltolással fedésbe hozhatók.

Részletesebben

A Vonallánc készlet parancsai lehetővé teszik vonalláncok és sokszögek rajzolását.

A Vonallánc készlet parancsai lehetővé teszik vonalláncok és sokszögek rajzolását. 11. Geometriai elemek 883 11.3. Vonallánc A Vonallánc készlet parancsai lehetővé teszik vonalláncok és sokszögek rajzolását. A vonallánc egy olyan alapelem, amely szakaszok láncolatából áll. A sokszög

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

Koordináta-geometria feladatgyűjtemény

Koordináta-geometria feladatgyűjtemény Koordináta-geometria feladatgyűjtemény A feladatok megoldásai a dokumentum végén találhatók Vektorok 1. Egy négyzet két szemközti csúcsának koordinátái: A( ; 7) és C(4 ; 1). Határozd meg a másik két csúcs

Részletesebben

Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.

Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y. Algoritmuselmélet Bonyolultságelmélet Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 12. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet

Részletesebben

5. házi feladat. AB, CD kitér élpárra történ tükrözések: Az ered transzformáció: mivel az origó xpont, így nincs szükség homogénkoordinátás

5. házi feladat. AB, CD kitér élpárra történ tükrözések: Az ered transzformáció: mivel az origó xpont, így nincs szükség homogénkoordinátás 5. házi feladat 1.feladat A csúcsok: A = (0, 1, 1) T, B = (0, 1, 1) T, C = (1, 0, 0) T, D = ( 1, 0, 0) T AB, CD kitér élpárra történ tükrözések: 1 0 0 T AB = 0 1 0, elotlási rész:(i T AB )A = (0, 0, )

Részletesebben

Koordináta-geometria feladatok (emelt szint)

Koordináta-geometria feladatok (emelt szint) Koordináta-geometria feladatok (emelt szint) 1. (ESZÉV Minta (2) 2004.05/7) Egy ABC háromszögben CAB = 30, az ACB = 45. A háromszög két csúcsának koordinátái: A(2; 2) és C(4; 2). Határozza meg a harmadik

Részletesebben

22. GRÁFOK ÁBRÁZOLÁSA

22. GRÁFOK ÁBRÁZOLÁSA 22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is

Részletesebben

III. Gráfok. 1. Irányítatlan gráfok:

III. Gráfok. 1. Irányítatlan gráfok: III. Gráfok 1. Irányítatlan gráfok: Jelölés: G=(X,U), X a csomópontok halmaza, U az élek halmaza X={1,2,3,4,5,6}, U={[1,2], [1,4], [1,6], [2,3], [2,5], [3,4], [3,5], [4,5],[5,6]} Értelmezések: 1. Fokszám:

Részletesebben

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Megoldások

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Megoldások Megoldások 1. Határozd meg a szakasz hosszát, ha a végpontok koordinátái: A ( 1; ) és B (5; )! A szakasz hosszához számítsuk ki a két pont távolságát: d AB = AB = (5 ( 1)) + ( ) = 6 + 1 = 7 6,08.. Határozd

Részletesebben

Képfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika

Képfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, intenzitásviszonyok módosításahisztogram módosítás, zajszűrés) Képelemzés

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. 2018. szeptember 21. 1. Diszkrét matematika 2. 2. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. szeptember 21. Gráfelmélet

Részletesebben

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ) Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ) KÉSZÍTETTE: DR. FÜVESI VIKTOR 2016. 10. Mai témáink o A hiba fogalma o Méréshatár és mérési tartomány M é r é s i h i b a o A hiba megadása o A hiba

Részletesebben

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31. Regresszió Csorba János Nagyméretű adathalmazok kezelése 2010. március 31. A feladat X magyarázó attribútumok halmaza Y magyarázandó attribútumok) Kérdés: f : X -> Y a kapcsolat pár tanítópontban ismert

Részletesebben

Matematikai geodéziai számítások 5.

Matematikai geodéziai számítások 5. Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP

Részletesebben

Gépi tanulás. Féligellenőrzött tanulás. Pataki Béla (Bolgár Bence)

Gépi tanulás. Féligellenőrzött tanulás. Pataki Béla (Bolgár Bence) Gépi tanulás Féligellenőrzött tanulás Pataki Béla (Bolgár Bence) BME I.E. 414, 463-26-79 pataki@mit.bme.hu, http://www.mit.bme.hu/general/staff/pataki Féligellenőrzött tanulás Mindig kevés az adat, de

Részletesebben

Keresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék

Keresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Keresés képi jellemzők alapján Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Lusta gépi tanulási algoritmusok Osztályozás: k=1: piros k=5: kék k-legközelebbi szomszéd (k=1,3,5,7)

Részletesebben

Láthatósági kérdések

Láthatósági kérdések Láthatósági kérdések Láthatósági algoritmusok Adott térbeli objektum és adott nézőpont esetén el kell döntenünk, hogy mi látható az adott alakzatból a nézőpontból, vagy irányából nézve. Az algoritmusok

Részletesebben

Közösség detektálás gráfokban

Közösség detektálás gráfokban Közösség detektálás gráfokban Önszervező rendszerek Hegedűs István Célkitűzés: valamilyen objektumok halmaza felett minták, csoportok detektálása csakis az egyedek közötti kapcsolatok struktúrájának a

Részletesebben

Numerikus integrálás

Numerikus integrálás Közelítő és szimbolikus számítások 11. gyakorlat Numerikus integrálás Készítette: Gelle Kitti Csendes Tibor Somogyi Viktor Vinkó Tamás London András Deák Gábor jegyzetei alapján 1. Határozatlan integrál

Részletesebben

Ugrólisták. RSL Insert Example. insert(22) with 3 flips. Runtime?

Ugrólisták. RSL Insert Example. insert(22) with 3 flips. Runtime? Ugrólisták Ugrólisták Ugrólisták Ugrólisták RSL Insert Example insert(22) with 3 flips 13 8 29 20 10 23 19 11 2 13 22 8 29 20 10 23 19 11 2 Runtime? Ugrólisták Empirical analysis http://www.inf.u-szeged.hu/~tnemeth/alga2/eloadasok/skiplists.pdf

Részletesebben

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták

Részletesebben

Felvétel készítése Képfeldolgozás (ábragyűjtemény) IV.

Felvétel készítése Képfeldolgozás (ábragyűjtemény) IV. Felvétel készítése Képfeldolgozás (ábragyűjtemény) IV. Dr. Kohut József 1. felbontás (resolution) 2. látómező (field of view, FOV) 3. tárgy-távolság (working distance) 4. érzékelő (sensor) 5. tárgy/mező

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2015. ősz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2015.

Részletesebben

Folyadékszcintillációs spektroszkópia jegyz könyv

Folyadékszcintillációs spektroszkópia jegyz könyv Folyadékszcintillációs spektroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc I. Mérés vezet je: Horváth Ákos Mérés dátuma: 2010. október 21. Leadás dátuma: 2010. november 8. 1 1. Bevezetés A mérés

Részletesebben

Koordinátageometria. , azaz ( ) a B halmazt pontosan azok a pontok alkotják, amelynek koordinátáira:

Koordinátageometria. , azaz ( ) a B halmazt pontosan azok a pontok alkotják, amelynek koordinátáira: 005-0XX Emelt szint Koordinátageometria 1) a) Egy derékszögű háromszög egyik oldalegyenese valamelyik koordinátatengely, egy másik oldalegyenesének egyenlete x + y = 10, egyik csúcsa az origó. Hány ilyen

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

Függvények növekedési korlátainak jellemzése

Függvények növekedési korlátainak jellemzése 17 Függvények növekedési korlátainak jellemzése A jellemzés jól bevált eszközei az Ω, O, Θ, o és ω jelölések. Mivel az igények általában nemnegatívak, ezért az alábbi meghatározásokban mindenütt feltesszük,

Részletesebben

A HŐMÉRSÉKLET ÉS A CSAPADÉK HATÁSA A BÜKK NÖVEKEDÉSÉRE

A HŐMÉRSÉKLET ÉS A CSAPADÉK HATÁSA A BÜKK NÖVEKEDÉSÉRE A HŐMÉRSÉKLET ÉS A CSAPADÉK HATÁSA A BÜKK NÖVEKEDÉSÉRE Manninger M., Edelényi M., Jereb L., Pödör Z. VII. Erdő-klíma konferencia Debrecen, 2012. augusztus 30-31. Vázlat Célkitűzések Adatok Statisztikai,

Részletesebben

Euler tétel következménye 1:ha G összefüggő síkgráf és legalább 3 pontja van, akkor: e 3

Euler tétel következménye 1:ha G összefüggő síkgráf és legalább 3 pontja van, akkor: e 3 Síkgráfok Kuratowski-tétel: egy gráf akkor és csak akkor síkba rajzolható gráf, ha nincs olyan részgráfja, ami a K 5 -el, vagy a K 3,3 -altopologikusan izomorf (homeomorf). Euler síkgráfokra vonatkozó

Részletesebben